Evidence‐based Guideline: Treatment of Painful Diabetic Neuropathy
Notice bibliographique
Résumé
OBJECTIVE: To develop a scientifically sound and clinically relevant evidence-based guideline for the treatment of painful diabetic neuropathy (PDN). METHODS: We performed a systematic review of the literature from 1960 to August 2008 and classified the studies according to the American Academy of Neurology classification of evidence scheme for a therapeutic article, and recommendations were linked to the strength of the evidence. The basic question asked was: "What is the efficacy of a given treatment (pharmacological: anticonvulsants, antidepressants, opioids, others; and non-pharmacological: electrical stimulation, magnetic field treatment, low-intensity laser treatment, Reiki massage, others) to reduce pain and improve physical function and quality of life (QOL) in patients with PDN?" RESULTS AND RECOMMENDATIONS: Pregabalin is established as effective and should be offered for relief of PDN (Level A). Venlafaxine, duloxetine, amitriptyline, gabapentin, valproate, opioids (morphine sulphate, tramadol, and oxycodone controlled-release), and capsaicin are probably effective and should be considered for treatment of PDN (Level B). Other treatments have less robust evidence or the evidence is negative. Effective treatments for PDN are available, but many have side effects that limit their usefulness, and few studies have sufficient information on treatment effects on function and QOL.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,007 | 0,002 |
| Intégrité de la recherche | 0,007 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».